7.7
深览指数
科技人人都是产品经理·易安说AI··AI 生成
刚刚，DeepSeek 重磅发布全新 Agent 架构：AI 开始指挥 AI 干活
DeepSeek Harness 团队公开的 Super-agent 架构探索，用 Router 统一调度、Worker 独立执行，支持外部事件触发和异步 ReAct，让 Agent 从会话工具变为长期在线的数字同事。实验显示 p95 任务完成时间从 29.5 分钟降到 15.7 分钟，但 Token 消耗增加约 37%，且实验基于合成数据，不能直接视作生产交付承诺。原文 ↗
核心观点
- ▍Super-agent 的核心是把 Session 从用户界面中隐藏，用 Router 统一调度、Worker 隔离执行，让 AI 从被动会话工具变成能长期在线、跨平台接收事件、并行推进任务的数字同事。
- ▍解决多个 AI 任务如何持续、可控地协同运行，比单纯提升模型编码能力更关键；人类负责定目标和验收，任务调度与重复执行交给 AI 系统。
- 01实验显示 Super-agent 任务完成时间 p50 为 12.4 分钟、p95 为 15.7 分钟；采用中性提示词的传统单 Session 方案 p95 达 29.5 分钟，且五次实验中模型一次都没有主动调用 Subagent。
- 02取消事件直通机制后，Router 需要做出的决定增加约 30%，总缓存读取量从 2323 万增加到 3177 万 Token，增幅约 37%；事件速率从每分钟约 1 条增至 40 条时，单次请求耗时从 2.5 秒增加到 3.9 秒。
- 03系统采用两级过滤决定是否启动 Agent：第一层由程序规则快速排除无关消息，第二层让模型结合上下文判断；投机执行允许在未确定结果是否被采用时提前用后台算力尝试。
- 04异步 ReAct Loop 把耗时工具调用转移到后台，前台会话继续接收消息；借鉴存算分离思路，本地只部署轻量 daemon，云端调度、数据库保存会话状态，设备离线时任务可等重新上线后继续。
- 05DeepSeek 已将部分设计实现为 dsh-superagent-prototype 原型插件，但仍是工程实践探索，并非正式独立产品；异步 ReAct 已在 Harness 中实现但尚未默认开启。
反方 / 局限
- — 实验使用合成消息和模拟耗时工具，主要验证任务调度与协作能力，并未评估真实编码质量；12.4 分钟和 15.7 分钟不能直接当成生产环境的交付承诺。
- — 长期在线、跨平台接收消息、云端访问本地设备会显著扩大攻击面，提示词注入和服务端入侵可能让云端调度器把危险操作传给本地 daemon，影响代码仓库、凭据和内部数据。
- — 用户控制权是容易被忽视的问题：Agent 同时推进更多任务后，界面必须让用户看见任务树、当前状态、等待原因和待确认动作，否则多 Agent 只是难以追责的后台进程。
DeepSeekDeepSeek HarnessSuper-agentRouterWorker异步 ReAct LoopCode80dsh-superagent-prototypeClaude Code
14 分钟 · 6 卡片 · 13 资料
读原文 →